浓浆污泥泵转子泵故障诊断BP神经网络

2013/12/30 12:02:19      点击:

BP网络得名于BP算法,主要由输入层、隐层(可有多个)和输出层组成。
(1)BP神经元模型
BP神经元模型如图7所示,它具有R个输入,每个输入都通过一个适当的权值W和下一层相连,网络的输出为:
a=f(wp+b) (21)
式中f为输入和输出的传递函数,b为阈值。
BP网络中隐层神经元的传递函数通常用S型对数(log-sigmoid)函数,S型正切(tan-sigmoid)函数,还可以用纯线性(purelin)函数。三种传递函数如图2所示。
(2)BP网络结构
BP网络结构如图3所示,它由输入层、隐层和输出层组成,相邻两层神经元相互连接。BP网络通常有一个或多个神经元,隐层中的神经元均采用S型传递函数,对输入产生非线性映射,输出层采用线性传递函数。
如果BP网络的最后一层是线性神经元,整个网络的输出可以任意取值,如果是S型神经元,那么整个网络的输出就限制在一个较小的范围内。

                        图1 BP神经元模型

                                               图2 BP神经元传递函数
图中,A2为输出层输出矩阵,N2为输出层输入矩阵,B2为输出层阈值矩阵,W2为输出层权值矩阵,Al为隐层输出矩阵,Nl为隐层输入矩阵,Bl为隐层阈值矩阵,Wl为隐层权值矩阵,P为网络输入矩阵,s2为输出层节点数目,Sl为隐层节点数目,Q为样本个数,R为输入向量的独立变量个数。各个矩阵的表达式如下:

                                              图3  BP神经网络结构
(3)BP网络的局限性及分类性能分析
BP网络在实际中得到了极广泛的应用,但是其本身也存在着一些局限性。如:(1)存在局部极小问题,难以发现最佳权重解;(2)训练速度过于缓慢;(3)网络在学习新样本时有忘记已学样本的现象,同时应用BP网络时要求每个样本的特征数目必须相等。
对于BP网络,选择一个合适的学习速率是很重要的问题,学习率过小会造成训练时间过长,学习率过大会导致训练过程不稳定。在BP网络的快速算法中,缺省参数值一般都是最有效的设置。BP网络隐层神经元数目对网络也有影响,神经元太多会引起网络的过适性,太少又会造成网络的不适性。根据Kolmogorov定理,在三层BP网络中,隐层神经元数目n2和输入层神经元数目n1之间有以下近似关系:
n2=2n1+1 (22)
BP网络是通过超平面来划分样本空间的,这就要求训练样本集必须覆盖所有可能的输入区域,否则在对未经学习过的样本区域中的样本进行决策时很容易给出错误的结构。因此,在浓浆污泥泵转子泵故障诊断领域,如果无法收集到完备的训练样本集,就会给BP网络的应用带来隐患。

 

////////////////////////////////////////////////////////////
力华转子泵网www.lihuabengye.com
电话:0575-83539901
传真:0575-83534469



友情链接:    万兴彩票   四季彩票   新二彩票主页   彩票登陆   万游彩票安全吗